1 摘要

1.1 國內現況

1.1.1 基本工資調漲 4.56%

2023 年 1 月 1 日起

基本工資確定調漲為月薪 26,400 元、時薪 176 元

1.1.2 基本工資連續七年調漲

2023 年調薪後最直接的影響就是

勞健保和勞退金 (領基本工資者)

對企業雇主來說成本增加 5.41%

1.2 人事成本變高，那就少用點人吧

資方角度是如果人事成本增加：

減少員工數量穩定支出

轉嫁成本到消費者身上

1.3 基本工資的增加，真的會造成僱員數量減少（失業率增加）嗎？

評估基本工資調漲對就業市場的衝擊

紐澤西與賓州速食店的案例研究

1992 年初紐澤西調漲基本工資
- 由每小時 USD 4.25 提高至 USD 5.05
當「單位勞動力價格 ↑」，可能會造成
- 就業人口 ↓
- 就業率 ↓
因此，經濟學家想要評估「調漲基本工資對低工資的勞工就業人口的影響」

1.4 本文資訊

Author: David Card and Alan B. Krueger
Publish date: October 1993
Publish at: National Bureau of Economic Research Working Paper Series
DOI: 10.3386/w4509
WEB Page
PDF

1.5 其他參考資訊

2 研究背景

2.1 紐澤西的就業政策與時空背景

1989 年底紐澤西州立法調漲基本工資 USD 3.35 ➜ USD 3.80
1990 年初再次立法調漲基本工資 ➜ USD 4.25
1992 年初第三次立法調漲基本工資 ➜ USD 5.05

3 研究方法

3.1 研究策略思考

直接想像：前後對照
- 其實可以只看紐澤西速食店調漲前後的差異
- 但無法避免「時間與季節性因素」的混淆
其他可以利用的條件
- 紐澤西有調漲基本工資、但隔壁的賓州沒有
- 紐澤西是小州，經濟與附近各州有密切聯繫
- 比較「紐澤西前後差異」、與「賓州前後差異」的差異，可以有效避開混淆

3.2 研究類型

Prospective Cohort study with Fixed Population

前瞻性固定人群的隊列研究

Prospective 前瞻性
Cohort Study 隊列研究
Fixed Population 固定人群

3.3 名詞解釋

3.3.1 Cohort Study

實驗性研究（RCT、A B test）以外最常用的兩種觀察性研究方法之一
在⼀段時間內追踪特定族群（具有共同特徵或經歷）
先找好幾群要觀察的人，隨著時間推移持續觀察他們的變化
有時候稱：follow-up、longitudinal study 縱向研究

3.3.2 Prospective Cohort Study

定義：先開始專案規劃選定人群後，事件才發生、數據才開始記錄
操作：根據過去或當前的資料來進行分眾
優勢：精確、麻煩、資訊少、偏差少
劣勢：跟實驗一樣需等待、可能存在偏誤、與混淆因子
- 可能的偏誤：Losses to Follow-Up、Healthy Worker Effect

3.3.3 Fixed population 固定人群

依據特徵或暴露因子分組後，組別不會隨時間改變
但參與分組的研究對象可能隨時間而失去聯繫 Losses to Follow-Up

3.4 研究時間

planning: early 1992
1st interview: 1992 年 2 ~ 3 月
- 電訪
2nd interview: 1992 年 11 ~ 12 月
- 電訪 + 實地確認 Losses to Follow-Up

3.5 研究對象

subject: 速食店
- 低薪者多，低薪者中 25% 在速食店工作
- 速食店都只給基本工資，所以會需要跟進調漲薪資
- 速食店工作和產品同值性高，容易取得可靠就業、工資、產品數據、沒有小費（減少薪資衡量困難）
- 速食店是需要特許經營，選樣本相對容易
- 過去經驗表明速食店對電話訪談的回覆意願高

3.6 暴露因子與結果

outcome: 員工數量改變
exposure / treatment: 基本工資由 4.25 -> 5.05, 1992, Apr., NJ
- exp group: 會調漲基本工資的紐澤西，n = 364
- non-exp group: 不會調漲基本工資的賓州，n = 109

3.7 統計方法

T-statistic for test of equality of means
Linear regression

4 研究結果

4.1 Table: 1 Sample Design and Response Rate

確認收樣概況

說明 loss to follow-up 的原因、解釋 loss to follow-up 不受 exposure 影響

如果沒有收集到樣本的原因與基本工資調漲有關例如因為調漲後不願意聘僱更多勞工、沒有時間受訪那最後獲得的樣本會「沒有受到衝擊且有時間受訪」，則無可比性

			餐廳位置（州）
	所有樣本		New Jersey		Pennsylvania
		%		%		%
前測 1992/02/15 ~ 03/04
餐廳數量^a	473	100.0%	364	100.0%	109	100.0%
拒絕	63	13.3%	33	9.1%	30	27.5%
受訪	410	86.7%	331	90.9%	79	72.5%
後測 1992/11/05 ~ 12/31
餐廳數量	410	86.7%	331	90.9%	79	72.5%
已關閉	6	1.3%	5	1.4%	1	0.9%
裝修中	2	0.4%	2	0.5%	0	0.0%
暫時關閉^b	2	0.4%	2	0.5%	0	0.0%
拒絕	1	0.2%	1	0.3%	0	0.0%
受訪^c	399	84.4%	321	88.2%	78	71.6%
^a 在收樣階段，有 29 間餐廳因為沒有電話而移除，目前的 473 間餐廳僅均為有電話者
^b 後測時，各有一間餐廳分別因為：高速公路工程、火災暫時關閉
^c 後測過程中，有 371 間餐廳為電話訪談、28 間因為拒絕電訪而採用實體訪問

4.2 Table 2: Means of Key Variables

確認樣本特徵一致性
全職人力工時 FTE = 管理職 + 基層人數 + 工讀人數 * 0.5

如果基本特徵就有差異，那後續的 outcome 不一樣，可能受到基本特徵影響，無法驗證其他假設

如果 NJ 餐廳都是超高檔連鎖品牌，抗風險能力好，而 PA 都是街邊美食、抗風險能億差，則比較無意義

FTE：工讀生不會上整天班，所以只當 0.5 人

比較平均數：分別把 NJ 跟 PA 的數據計算出估計值、與標準誤

因為餐廳類型、直營/加盟是類別變項，原文是將其視為不同的特徵（欄位），其值均為 1 或 0

	餐廳位置（州）
	New Jersey		Pennsylvania		Test of equality of means
特徵	樣本數	%	樣本數	%	t value	p value
餐廳類型
Burger King	136	41.1%	35	44.3%	-0.52	0.607
KFC	68	20.5%	12	15.2%	1.16	0.250
Roy Rogers	82	24.8%	17	21.5%	0.62	0.535
Wendy’s	45	13.6%	15	19.0%	-1.12	0.266
直營/加盟
直營店	113	34.1%	28	35.4%	-0.22	0.829
加盟店	218	65.9%	51	64.6%	0.22	0.829

	餐廳位置（州）
	New Jersey			Pennsylvania			Test of equality of means
特徵	樣本數	平均值	標準誤	樣本數	平均值	標準誤	t value	p value
前測 1992/02/15 ~ 03/04
全職人力工時 FTE	321	20.44	0.51	77	23.33	1.35	-2.00	0.05
正職人數 / FTE %	321	32.85	1.33	77	35.04	2.73	-0.72	0.47
起薪	314	4.61	0.02	76	4.63	0.04	-0.40	0.69
薪資 = $4.25 %	331	30.51	2.53	79	32.91	5.32	-0.41	0.68
套餐金額	311	3.35	0.04	76	3.04	0.07	3.96	0.00
營業時長	331	14.42	0.15	79	14.53	0.33	-0.29	0.77
招聘獎金 %	331	23.56	2.34	79	29.11	5.14	-0.98	0.33
後測 1992/11/05 ~ 12/31
全職人力工時 FTE	319	21.03	0.52	77	21.17	0.94	-0.13	0.90
正職人數 / FTE %	314	35.87	1.38	76	30.38	2.81	1.75	0.08
起薪	318	5.08	0.01	71	4.62	0.04	10.82	0.00
薪資 = $4.25 %	331	0.00	0.00	79	25.32	4.92	-5.14	0.00
薪資 = $5.05 %	331	85.50	1.94	79	1.27	1.27	36.38	0.00
套餐金額	305	3.41	0.04	71	3.03	0.07	5.08	0.00
營業時長	321	14.42	0.15	78	14.65	0.33	-0.65	0.52
招聘獎金 %	331	19.34	2.17	79	22.78	4.75	-0.66	0.51

4.3 Figure 1: Distribution of Starting Wage Rates

確認 Compliance 程度

研究以及法規都要求必須調漲基本工資

但也有可能有餐廳不願意調漲

所以應該檢查 Compliance 程度

對於有 Compliance 問題的研究應該衡量是否以其他方式處理

4.4 Table 3: Average Employment Per Store Before and After the Rise in New Jersey Minimum Wage

比較兩週前測、後測，以及兩次測量的差異
兩次測量的差異有三種計算方法，原則上都在估計同樣的母體參數，不應該差異很大
- 平均值直接相減，標準誤可以由此計算:
  - $EF(difference) = \sqrt{(SD_1^2/N_1 + SD_2^2/N_2)}$
- 計算每組樣本前後差異，取平均並計算標準誤差
  - 此處計算的標準誤與文獻略有差異
- 將歇業的 4 間餐廳的 FTE 設置為 0，計算每組樣本前後差異，取平均並計算標準誤差
  - 此處計算的標準誤與文獻略有差異

整理各群體各個指標的估計值並比較差異

研究主軸是 PA vs NJ

但 NJ 樣本中也有原本就滿足調漲後薪資的餐廳

所以分成低中高進行比較

假設原本就滿足調漲後基本工資者員工數應無變化

	Pennsylvania		New Jersey		平均值差 PA - NJ
特徵	平均值	標準誤	平均值	標準誤	平均值	標準誤
全職人力工時 FTE (前測)	23.33	1.35	20.44	0.51	-2.89	1.91
全職人力工時 FTE (後測)	21.17	0.94	21.03	0.52	-0.14	1.33
後測 - 前測 (平均值差)	-2.17	1.65	0.59	0.73	2.75	2.33
後測 - 前測 (樣本差)	-2.28	1.25	0.47	0.48	2.75	1.77
後測 - 前測 (樣本差、調整暫時歇業)	-2.28	1.25	0.46	0.47	2.74	1.77

	起薪
	低 4.25		中 4.26 ~ 4.99		高 >= 5.00		平均值差低 - 高		平均值差中 - 高
特徵	平均值	標準誤	平均值	標準誤	平均值	標準誤	平均值	標準誤	平均值	標準誤
全職人力工時 FTE (前測)	19.56	0.77	20.08	0.84	22.25	1.14	-2.69	1.37	-2.17	1.41
全職人力工時 FTE (後測)	20.88	1.01	20.96	0.76	20.21	1.03	0.66	1.44	0.74	1.27
後測 - 前測 (平均值差)	1.32	1.27	0.87	1.13	-2.04	1.53	3.36	1.99	2.91	1.90
後測 - 前測 (樣本差)	1.20	0.82	0.71	0.69	-2.16	1.01	3.36	1.30	2.87	1.22
後測 - 前測 (樣本差、調整暫時歇業)	1.19	0.81	0.70	0.68	-2.12	0.99	3.32	1.28	2.82	1.20

4.5 Table 4: Reduced from Models for Change in Employment

NJ 的 FTE 不減反增
- Model 1: 若為紐澤西 FTE 差增加 2.75 [95% CI: 0.48 ~ 5.02]
- Model 2: 調整（控制）餐廳類型、直營/加盟時，若為紐澤西 FTE 差增加 2.78 [95% CI: 0.51 ~ 5.06]
- Model 3: 距離新的基本工資之差異（GAP）每增加 1 單位， FTE 差增加 16.36 [95% CI: 4.71 ~ 28.01]
- Model 4: 調整（控制）餐廳類型、直營/加盟時，距離新的基本工資之差異（GAP）每增加 1 單位， FTE 差增加 15.88 [95% CI: 3.99 ~ 27.76]
- Model 5: 調整（控制）餐廳類型、直營/加盟時、區域，距離新的基本工資之差異（GAP）每增加 1 單位， FTE 差增加 12.16 [95% CI: -2.22 ~ 26.55]
無法證明下列模型有差異：
- Model 1 vs Model 2
- Model 4 vs Model 3
- Model 5 vs Model 3

模型結果與「調升基本工資會減少就業人數」矛盾

懷疑研究成果可能是受到某些樣本特徵影響的狀況下

將重要的特徵的影響考量在模型之中，並比較變化

US 統計學會的指引

p value 可以用來表示結果與假設不相容程度

p value 不能衡量假設為真的機率、或數據來自隨機產生的機率

科學結論和業務決策不應僅基於 p 值是否超過特定閾值

正確的推理需要完整的報告和透明度

p value 不衡量效果的大小或結果的重要性

p value 不能很好地衡量模型或假設的證據

	州	州類型自營	GAP	GAP 類型自營	GAP 類型自營區域
Intercept	-2.28 *	-1.83	-1.67 *	-1.54	-0.70
	[-4.32, -0.25]	[-4.13, 0.48]	[-2.99, -0.35]	[-3.36, 0.28]	[-3.66, 2.25]
NJ	2.75 *	2.78 *
	[0.48, 5.02]	[0.51, 5.06]
GAP			16.36 **	15.88 **	12.16
			[4.71, 28.01]	[3.99, 27.76]	[-2.22, 26.55]
N	384	384	368	368	368
R2	0.01	0.03	0.02	0.03	0.05
* p < 0.001; p < 0.01; * p < 0.05.

## Analysis of Variance Table
## 
## Model 1: dfte ~ state + chain + co_owned
## Model 2: dfte ~ state
##   Res.Df   RSS Df Sum of Sq      F Pr(>F)
## 1    378 30272                           
## 2    382 30721 -4   -448.84 1.4011 0.2329

## Analysis of Variance Table
## 
## Model 1: dfte ~ gap + chain + co_owned
## Model 2: dfte ~ gap
##   Res.Df   RSS Df Sum of Sq      F Pr(>F)
## 1    362 27244                           
## 2    366 27560 -4   -316.77 1.0523 0.3801

## Analysis of Variance Table
## 
## Model 1: dfte ~ gap + chain + co_owned + location
## Model 2: dfte ~ gap
##   Res.Df   RSS Df Sum of Sq      F Pr(>F)
## 1    358 26858                           
## 2    366 27560 -8   -702.41 1.1703 0.3161

4.6 Table 5: Specification Tests of Reduced-form Employment Models

用 FTE 不一定正確，為檢查上述模型的穩健程度分別使用下列幾種檢查方式替代 FTE

以原本的 FTE 作為計算前後差異
將四間暫停營業的 FTE 後測設為 0：驗證若不排除暫停營業的餐廳後測 FTE，而是直接計算為 0 是否會影響估計
在 FTE 中排除管理者：驗證若排除管理職是否會影響估計（想像整體沒有減員但一般職員數量下降）
調降工讀生在 FTE 中的權重至 0.4：驗證工讀生權重是否影響估計
調升工讀生在 FTE 中的權重至 0.6：驗證工讀生權重是否影響估計
排除 NJ Shore 近海區域：驗證排除近海（觀光景點）的影響
使用 FTE 但把後測的日期加入調整：驗證後測時間差對估計的影響
排除前測撥打兩通電話或以上者：驗證比較慢（或不願）受訪者移除後是否影響估計
加入前測員工數調整權重：假設存在 Heteroscedasticity 異方差性，用前測員工人數進行加權最小平方法的計算
僅使用 Newark 樣本：驗證只有市區的樣本
僅使用 Camden 樣本：驗證部分區域的樣本
使用 PA 樣本：排除 NJ 餐廳且（錯誤地）將 GAP 定義為將工資提高到每小時 5.05 美元所需的工資增長比例（遠本是 0 ）

餐廳可能會增加全職員工、減少工讀

研究的結果可能受到部分樣本或 outcome 影響

為了排除這個潛在的問題

就可以透過改變樣本、以及 outcome 計算方法來驗證

4.7 Table 6: Effects of Minimum-Wage Increase on Other Outcomes

比較其他餐廳特徵，差異都不太明顯

餐館可以通過減少員工福利，改變經營模式來抵消基本工資的影響

餐廳營業時間
餐廳收銀機數量
營業時的收銀機數量
減價員工餐（打折的比例都減少，但免費員工餐增加）
推薦獎金

NJ 和 PA 員工餐打折的比例都下降，但 NJ 更多

4.8 Table 7: Reduced-form Models for Change in the Price of a Full Meal

也可以透過調漲售價轉嫁成本，所以檢查全餐的售價

4.9 Table 8: Estimated Effect of Minimum Wages on Numbers of Mcdonald’s Restaurants, 1986-1991

基本工資調漲也可能阻礙新餐廳的開張

5 研究結果

與經濟模型的判斷不同 NJ 的基本工資增加並沒有降低速食餐應的就業人數
沒有任何資訊表明兩組比較不公平
用各種替代就業人數的指標、或樣本來計算結果也相同
驗證其他與餐廳經營管理相同的指標，沒有發現基本工資增加使餐廳調整經營方式改變

6 研究評論

資料收集：背景目標、研究因素、關鍵指標、研究類型、分母分子、研究對象的偏誤
數據分析：避免混淆、關聯性與統計方法
理解與應用：主要結果、偏誤與混淆對研究的影響、局限性、結論合理性、適用人群

7 反思

基礎科學與社會科學的差異
決策不應基於一個研究的顯著性
當代數據分析的問題：當數據唾手可得

Minimum Wages and Employment: A Case Study of the Fast Food Industry in New Jersey and Pennsylvania

Chun Yu, Ko

Feburary 27, 2023

1 摘要

1.1 國內現況

1.1.1 基本工資調漲 4.56%

1.1.2 基本工資連續七年調漲

1.2 人事成本變高，那就少用點人吧

1.3 基本工資的增加，真的會造成僱員數量減少（失業率增加）嗎？

1.4 本文資訊

1.5 其他參考資訊

2 研究背景

2.1 紐澤西的就業政策與時空背景

3 研究方法

3.1 研究策略思考

3.2 研究類型

3.3 名詞解釋

3.3.1 Cohort Study

3.3.2 Prospective Cohort Study

3.3.3 Fixed population 固定人群

3.4 研究時間

3.5 研究對象

3.6 暴露因子與結果

3.7 統計方法

4 研究結果

4.1 Table: 1 Sample Design and Response Rate

4.2 Table 2: Means of Key Variables

4.3 Figure 1: Distribution of Starting Wage Rates

4.4 Table 3: Average Employment Per Store Before and After the Rise in New Jersey Minimum Wage

4.5 Table 4: Reduced from Models for Change in Employment

4.6 Table 5: Specification Tests of Reduced-form Employment Models

4.7 Table 6: Effects of Minimum-Wage Increase on Other Outcomes

4.8 Table 7: Reduced-form Models for Change in the Price of a Full Meal

4.9 Table 8: Estimated Effect of Minimum Wages on Numbers of Mcdonald’s Restaurants, 1986-1991

5 研究結果

6 研究評論

7 反思